检索结果-内蒙古大学图书馆

智能计算机与应用 2025年第1期15卷 52-58页

作者：唐金阳何升杭骁骞付雄南京邮电大学计算机学院南京210023 无锡先进技术研究院江苏无锡214062

运行时的电源管理,是一种在系统运行过程中根据系统负载情况和相应策略,动态控制系统功耗的技术。当前,申威国产处理器平台未能实现该特性,仅支持手动调节处理器频率。为解决该问题,在申威平台上实现了运行时电源管理模型(swDFCS),该模... 详细信息

运行时的电源管理,是一种在系统运行过程中根据系统负载情况和相应策略,动态控制系统功耗的技术。当前,申威国产处理器平台未能实现该特性,仅支持手动调节处理器频率。为解决该问题,在申威平台上实现了运行时电源管理模型(swDFCS),该模型可以根据负载变化,实时调整处理器的频率和核数,在降低能耗的同时保证了性能需求。实验数据表明,该模型能够以极小的性能损失换取15%的能耗降低,为国产申威平台下软硬件协同的电源管理研究提供参考,提升申威平台在低功耗场景下的适应性。

关键词：系统功耗处理器频率运行时电源管理 swDFCS 申威平台

来源：评论

学校读者我要写书评

暂无评论

基于ConvRNN-ResNet的毫米波步态识别方法

引用

计算机应用与软件 2025年第1期42卷 108-115页

作者：史秋彦叶宁徐康王甦王汝传南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210000 江苏省无线传感网高技术研究重点实验室江苏南京210000

步态作为一种复杂的时空生物特征,因具有难以伪装、非接触式识别的特性,被应用于人员目标识别。受此启发,使用毫米波雷达,基于步态特征,实现目标识别。从毫米波雷达接收的数据中逐帧提取距离多普勒信息,进行背景去噪,构建环境无关的时... 详细信息

步态作为一种复杂的时空生物特征,因具有难以伪装、非接触式识别的特性,被应用于人员目标识别。受此启发,使用毫米波雷达,基于步态特征,实现目标识别。从毫米波雷达接收的数据中逐帧提取距离多普勒信息,进行背景去噪,构建环境无关的时空步态数据集。针对传统融合卷积神经网络(Convolutional Neural Network, CNN)与长短期记忆网络(Long Short-Term Memory, LSTM)的串联模型CNN-LSTM无法充分提取复杂时空特征的问题,提出融合卷积循环神经网络(Convolutional Recurrent Neural Network, ConvRNN)和残差网络(Residual Network, ResNet)的模型ConvRNN-ResNet,对时空序列进行分析。实验表明,提出的模型在观测时长5 s的行走数据上准确率达99.2%,在2.5 s短观测时长下有94.5%的准确率,优于CNN-LSTM,具备目标识别的能力。

关键词：步态识别残差网络卷积循环神经网络时空序列

来源：评论

学校读者我要写书评

暂无评论

融合交叉序列预测和一致性对比的WiFi人体活动识别

引用

计算机工程与科学 2025年第1期47卷 160-170页

作者：王杨许佳炜王傲宋世佳谢帆赵传信季一木安徽师范大学皖江学院大数据与人工智能系安徽芜湖241000 安徽师范大学计算机与信息学院安徽芜湖241002 南京邮电大学高性能计算与大数据处理研究所江苏南京210003

随着IEEE 802.11bf标准的发布,WiFi感知技术已从学术研究走向工业应用。针对现有的基于WiFi的人体活动检测系统往往依赖于较强假设约束问题,从如何充分利用无标签CSI样本出发,设计了一种适用于WiFi感知领域的自监督模型CPCC-Fi。模型在... 详细信息

随着IEEE 802.11bf标准的发布,WiFi感知技术已从学术研究走向工业应用。针对现有的基于WiFi的人体活动检测系统往往依赖于较强假设约束问题,从如何充分利用无标签CSI样本出发,设计了一种适用于WiFi感知领域的自监督模型CPCC-Fi。模型在对比学习思想的基础上首先使用序列数据增强生成不同视图的无标记CSI样本;然后通过自监督学习获取CSI序列内在表示特征;再通过少量标记样本对模型进行微调,最后即可实现下游人体活动的有效感知和识别。在自采和公开数据集上的相关实验结果表明,与CNN+Linear、CNN+Transformer+Linear和TS-TCC相比,CPCC-Fi模型的各项性能均有所提升。

关键词：自监督学习信道状态信息人体活动识别表征学习

来源：评论

学校读者我要写书评

暂无评论

基于LM算法改进BP神经网络的薄膜电阻高精度测量

引用

大学物理实验 2025年第2期38卷 64-69页

作者：张钰王琰彭正凤马俊杰王静南京邮电大学通达学院通信工程学院江苏扬州225127 南京邮电大学通达学院计算机工程学院江苏扬州225127 南京邮电大学通达学院基础教学部江苏扬州225127

在半导体工艺中,电阻测量极其关键。传统四探针法在测量薄膜的电阻时,需对范德堡函数进行非线性拟合,不仅耗时较长,且精度较差。针对该现象提出了一种基于Levenberg-Marquardt(LM)算法的Back propagation neural network(BPNN)神经网络... 详细信息

在半导体工艺中,电阻测量极其关键。传统四探针法在测量薄膜的电阻时,需对范德堡函数进行非线性拟合,不仅耗时较长,且精度较差。针对该现象提出了一种基于Levenberg-Marquardt(LM)算法的Back propagation neural network(BPNN)神经网络模型。LM算法结合了梯度下降法和牛顿法的优点,在迭代过程中快速接近全局最小值,且对于局部最小值的陷落情况优于纯梯度下降法,结合BP神经网络的反向传播误差来调整权重,从而实现复杂非线性函数的拟合。对含反双曲余弦的超越函数(范德堡函数)的局部参数进行非线性拟合,得到最大偏差为2.08×10^(-5),相对标准偏差为2.16×10^(-8)的神经网络拟合模型,对比规范化多项式拟合方法精度提升99.5%。此改进方法,可极大提高测量结果的稳定性与精确性,将模型运用于实验测量过程,有效改善了电阻率测试精度。

关键词： BP神经网络范德堡法非线性函数拟合电阻率测量 LM算法

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络和用户长短期偏好的会话推荐

引用

南京邮电大学学报(自然科学版) 2025年第2期45卷 77-85页

作者：卢官明柯润宇卢峻禾丁佳伟魏金生南京邮电大学通信与信息工程学院南京邮电大学计算机学院

针对现有的会话推荐方法没有考虑用户长期偏好以及不同项目之间相关性的问题，提出了一种基于图神经网络和用户长短期偏好的会话推荐模型（GNN-LSTUP）。首先，基于所有会话构建全局会话图，通过融入相关性编码的图神经网络和注意力机... 详细信息

针对现有的会话推荐方法没有考虑用户长期偏好以及不同项目之间相关性的问题，提出了一种基于图神经网络和用户长短期偏好的会话推荐模型（GNN-LSTUP）。首先，基于所有会话构建全局会话图，通过融入相关性编码的图神经网络和注意力机制来挖掘用户长期偏好；然后，通过构建局部会话图并利用图神经网络和注意力机制来捕捉用户短期偏好；最后，通过求和池化操作融合用户长、短期偏好，以便更准确地预测用户下一次交互行为。在Diginetica、Tmall和Nowplaying数据集上进行了实验，结果表明，提出的GNN-LSTUP在Diginetica数据集上取得的P@20和MRR@20分别为54.19%和18.94%，在Tmall数据集上取得的P@20和MRR@20分别为34.68%和16.96%，在Nowplaying数据集上取得的P@20和MRR@20分别为23.32%和8.62%，优于其他已有的会话推荐模型。

关键词：会话推荐图神经网络用户偏好相关性

来源：评论

学校读者我要写书评

暂无评论

基于奇异谱分析的Transformer神经网络光伏预测算法

引用

软件导刊 2025年第3期24卷 8-15页

作者：韩家鹏丁蕾蕾韩崇浙江中通文博服务有限公司杭州分公司浙江杭州310013 南京邮电大学计算机学院江苏南京210023

精准的光伏发电预测能为电网安全稳定运行提供保障。针对当前光伏预测算法预处理方法过于简单、周期规律识别效率不高等问题,提出一种基于奇异谱分析的Transformer神经网络光伏预测算法SSA-Trans。该算法在数据处理中引入奇异谱分析技术... 详细信息

精准的光伏发电预测能为电网安全稳定运行提供保障。针对当前光伏预测算法预处理方法过于简单、周期规律识别效率不高等问题,提出一种基于奇异谱分析的Transformer神经网络光伏预测算法SSA-Trans。该算法在数据处理中引入奇异谱分析技术,在去除太阳辐照度时间序列中影响较大的噪声序列后进行重构,对重构后的序列建立Transformer网络预测模型,将序列的时间戳进行位置编码后与天气数据一同作为网络的特征输入。采用滑动窗口将划分好的数据输入到Transformer模型中进行训练,然后进行预测。在3个公开数据集上对所提算法与对照算法的预测性能进行比较,结果表明,所提算法的归一化平均绝对误差分别降低了约31.94%、20.37%和14.07%。同时,消融实验证实了奇异谱分析和滑动窗口技术的有效性。

关键词：光伏预测奇异谱分析位置编码 Transformer

来源：评论

学校读者我要写书评

暂无评论

无人机赋能的智能网联汽车边缘计算卸载

网络空间安全科学学报

引用

网络空间安全科学学报 2025年第1期3卷 52-61页

作者：李鑫代明慧王毅轩常姗王添顺东华大学计算机科学与技术学院上海201620 南京邮电大学通信与信息工程学院南京210023

移动网络的飞速发展为诸多领域创造了崭新的发展机遇。移动边缘计算(Mobile Edge Computing,MEC)也借此迎来新的发展,其因独特优势在智慧城市车联网领域中得到了广泛应用。车载用户的激增造成网络信道资源短缺、时延过长、能耗过大等问... 详细信息

移动网络的飞速发展为诸多领域创造了崭新的发展机遇。移动边缘计算(Mobile Edge Computing,MEC)也借此迎来新的发展,其因独特优势在智慧城市车联网领域中得到了广泛应用。车载用户的激增造成网络信道资源短缺、时延过长、能耗过大等问题,从而导致数据传输效率大幅降低。因此,提出了一种基于无人机(Unmanned Aerial Vehicle,UAV)赋能的车联网任务卸载机制。将语义通信(Semantic Communication)与多址接入结合,允许多个车载用户同时接入网络,提取语义信息上传至无人机,从而提升数据传输的有效性。同时,引入博弈激励机制来提升各参与方的效用。仿真结果表明,相较于传统基线方案,本文提出的方法能显著提升系统的整体效用。

关键词：语义通信车联网无人机移动边缘计算多址接入

来源：评论

学校读者我要写书评

暂无评论

车辆边缘计算中基于最小化成本的任务卸载算法

引用

软件导刊 2025年第2期24卷 107-113页

作者：万家欢鲁蔚锋仲峰磊贾建刚南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023 国铁吉讯科技有限公司北京100081

受益于物联网技术和边缘计算技术的快速发展,车辆边缘计算逐渐成为研究热点。然而在车联网中,终端车辆受限于自身计算能力和通信资源,难以执行计算密集或低延迟要求的应用程序,因而有效的车辆边缘任务卸载策略至关重要。此外,虽然任务... 详细信息

受益于物联网技术和边缘计算技术的快速发展,车辆边缘计算逐渐成为研究热点。然而在车联网中,终端车辆受限于自身计算能力和通信资源,难以执行计算密集或低延迟要求的应用程序,因而有效的车辆边缘任务卸载策略至关重要。此外,虽然任务卸载可以为用户带来收益,但是也会产生额外的任务卸载成本,而任务卸载成本是服务购买者最关心的问题之一。考虑了任务卸载成本问题,采用李雅普诺夫优化方法保证了任务队列的稳定性,在最终求解过程中,将任务卸载成本问题转化为TSP问题,并基于模拟退火算法,提出了最小化成本的任务卸载算法,并进行求解。实验结果表明,相比于其他卸载算法,MCTOA可降低25%的任务卸载成本,同时增加了近20%的系统吞吐量,在车联网任务卸载成本问题上,该算法能够保证任务队列的稳定性,最小化任务卸载成本。

关键词：车辆边缘计算任务卸载李雅普诺夫优化模拟退火算法

来源：评论

学校读者我要写书评

暂无评论

指针分析技术驱动的物联网漏洞挖掘方法

引用

软件导刊 2025年第3期24卷 109-118页

作者：时启亮沙乐天潘家晔南京邮电大学计算机学院江苏省无线传感网高技术研究重点实验室江苏南京210023

物联网漏洞挖掘主要面向源码未知的二进制程序,但存在大量人工审计工作,迫切需要一种高度自动化的流程来进行引导。在静态分析技术领域,指针分析作为一项底层技术,以其高度自动化的分析流程和出色的效果展现出适应多种应用场景的潜力。... 详细信息

物联网漏洞挖掘主要面向源码未知的二进制程序,但存在大量人工审计工作,迫切需要一种高度自动化的流程来进行引导。在静态分析技术领域,指针分析作为一项底层技术,以其高度自动化的分析流程和出色的效果展现出适应多种应用场景的潜力。借助指针分析的优势,依托于反汇编平台Ghidra,对其引入的P-code进行封装形成PIR;以PIR为基础,设计符合漏洞挖掘需求的指针分析算法和污点分析算法,最终实现了一个可扩展的分析框架。针对CWE78漏洞的检测性能测试结果显示,所提框架正确检测出大部分漏洞,与现有漏洞分析工具相比,漏洞检出率提升86.2%,时间效率提升38.7%。该框架不仅能够验证已知漏洞,而且具备发现新漏洞的能力。

关键词：漏洞挖掘 P-code 指针分析污点分析

来源：评论

学校读者我要写书评

暂无评论

基于双向长短时记忆网络和自注意力机制的心音分类

引用

数据采集与处理 2025年第2期40卷 456-468页

作者：卢官明李齐健卢峻禾戚继荣赵宇航王洋魏金生南京邮电大学通信与信息工程学院南京210003 智能信息处理与通信技术省高校重点实验室(南京邮电大学) 南京210003 南京邮电大学计算机学院南京210023 南京医科大学附属儿童医院心胸外科南京210008

心音听诊是早期筛查心脏病的有效诊断方法。为了提高异常心音检测性能,提出了一种基于双向长短时记忆(Bi⁃directional long short⁃term memory,Bi⁃LSTM)网络和自注意力机制(Self⁃attention mechanism,SA)的心音分类算法。对心音信号进... 详细信息

心音听诊是早期筛查心脏病的有效诊断方法。为了提高异常心音检测性能,提出了一种基于双向长短时记忆(Bi⁃directional long short⁃term memory,Bi⁃LSTM)网络和自注意力机制(Self⁃attention mechanism,SA)的心音分类算法。对心音信号进行分帧处理,提取每帧心音信号的梅尔频率倒谱系数(Mel⁃frequency cepstral coefficients,MFCC)特征;将MFCC特征序列输入Bi⁃LSTM网络,利用Bi⁃LSTM网络提取心音信号的时域上下文特征;通过自注意力机制动态调整Bi⁃LSTM网络各时间步输出特征的权重,得到有利于分类的更具鉴别性的心音特征;通过Softmax分类器实现正常/异常心音的分类。在PhysioNet/CinC Challenge 2016心音数据集上对所提出的算法使用10折交叉验证法进行了评估,得到0.9425的灵敏度、0.9437的特异度、0.8367的精度、0.8865的F1得分和0.9434的准确率,优于对比的典型算法。实验结果表明,该算法在无需进行心音分段的基础上就能有效实现异常心音检测,具有潜在的临床应用前景。

关键词：心音分类梅尔频率倒谱系数双向长短时记忆网络自注意力机制

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：